#whisper 仓库
共 145 个仓库
让Claude(或任何大语言模型)真正观看视频——场景感知、去重帧+转录文本,支持URL或本地文件。本地运行,MIT许可证。
适用于ONNX文件的轻量级推理库,用C++编写。它可以在RPI Zero 2(或298MB内存)上运行Stable Diffusion XL 1.0,也可以在台式机和服务器上运行Mistral 7B。支持ARM、x86、WASM、RISC-V。由XNNPACK加速。提供Python、C#和JS(WASM)绑定。
开源、本地优先的 Granola/Otter 替代方案,Claude Code、Codex、Cursor 以及任何 MCP 客户端都可以查询。会议、通话和语音备忘录均在设备上转录为由你掌控的 Markdown。
多后端 Whisper 应用。极速。Mac-ARM 优化。安装简便。输入本地文件或 URL,此服务将使用 Whisper AI 进行转录。完全私密且免费 🤯🤯🤯
使用 Apple Silicon 在你的 Mac 上微调 LLM。SFT、DPO、GRPO、视觉、TTS、STT、嵌入和 OCR 微调 — 原生在 MLX 上。与 Unsloth 兼容的 API。
由你的 AI 智能体制作的讲解视频和产品演示。免费且开源:本地语音(Kokoro)、单词时间戳(Whisper)和画布渲染器,可将脚本转化为带旁白的 MP4 视频。
MTools 是一款功能强大的多功能桌面应用程序,集音视频处理、图片编辑、文本操作和编码工具于一体。它内置 AI 增强功能,并提供本地 MCP 服务,旨在简化您的工作流程、提升生产效率。
Gp.nvim (GPT 提示) Neovim AI 插件:ChatGPT 会话和可指令文本/代码操作和语音转文本 [OpenAI, Ollama, Anthropic, ..]
Kubernetes 的 AI 推理运算符。在生产环境中部署 ML 模型的简便方法。支持 VLM、LLM、embedding 和 speech-to-text。
微调 Whisper 语音识别模型,以支持无时间戳数据训练、带时间戳数据训练和无语音数据训练。加速推理并支持 Web 部署、Windows 桌面部署和 Android 部署
OpenCluely 是一个免费、开源的 Cluely(替代品),专为技术面试(如 DSA、OA 和 CP)而构建。它提供隐形覆盖层、实时 AI 帮助、用于问题捕获的智能图像处理以及多语言支持:100% 可定制且私密。
语音 AI 女友(DeepSeek Harness 的语音 AI 女友):Whisper 语音输入 + Qwen3-TTS 声音克隆 + 句子级流式朗读 + 数字人动画窗口。支持插话/排队双模式,说话即可打断。
视频音频生成字幕,生成srt文件。无需申请第三方API,本地实现音频转文本。基于Transformer的视频字幕生成框架。一个用于从视频生成字幕并生成srt文件的GUI工具。
免费、开源、100%离线的Linux语音听写工具。通过whisper.cpp、Whisper和VOSK引擎,随时随地说话打字,支持GPU加速,兼容X11和Wayland!
Whisper-Flow 是一个框架,旨在利用 OpenAI 的 Whisper 模型实现音频内容的实时转录。与上传后一次性处理整个文件(批处理模式)不同,Whisper-Flow 接受连续音频块流,并即时生成增量转录。
C# Twitch 聊天、密语、API 和 PubSub 库。允许聊天、密语、流事件订阅以及频道/账户修改。支持所有支持 .NETStandard 2.0 的内容。